Docsity
Docsity

Prepare-se para as provas
Prepare-se para as provas

Estude fácil! Tem muito documento disponível na Docsity


Ganhe pontos para baixar
Ganhe pontos para baixar

Ganhe pontos ajudando outros esrudantes ou compre um plano Premium


Guias e Dicas
Guias e Dicas

Identificando Sentimentos Musicais: Modelo para Características de Sentimento em Música, Slides de Música

Um projeto para criar um modelo que determina o grau de determinados sentimentos em uma música a partir de características da melodia. O autor discute os desafios enfrentados, como a busca de músicas e letras, a inferência do grau de sentimento nas letras e a extração da melodia principal. O documento também apresenta métodos para inferir o grau de sentimento e características interessantes da melodia.

O que você vai aprender

  • Quais características interessantes foram extraídas da melodia?
  • Como foi inferido o grau de sentimento nas letras?
  • Qual é o objetivo do projeto descrito no documento?
  • Quais desafios foram enfrentados na busca de músicas e letras?
  • Quais modelos de aprendizado estatístico foram utilizados e quais foram os resultados?

Tipologia: Slides

2022

Compartilhado em 07/11/2022

jacare84
jacare84 🇧🇷

4.5

(451)

225 documentos

1 / 15

Toggle sidebar

Esta página não é visível na pré-visualização

Não perca as partes importantes!

bg1
Melodia -> Sentimentos na letra
Bruno Crotman
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff

Pré-visualização parcial do texto

Baixe Identificando Sentimentos Musicais: Modelo para Características de Sentimento em Música e outras Slides em PDF para Música, somente na Docsity!

Melodia - > Sentimentos na letra

Bruno Crotman

Objetivo

O objetivo é criar um modelo que consiga

determinar o grau de determinados sentimentos

na letra de uma música a partir de

características da melodia

Esquema

Desafios

  • Buscar as músicas e as letras
  • Inferir o grau dos sentimentos dentro da letra
  • Extrair a melodia principal de dentro da música
  • Extrair características interessantes da melodia (feature engineering)
  • Desenvolver o modelo de aprendizado estatístico que infere os sentimentos a partir das características

Busca das letras

Com os midis em mãos, foram usadas duas

fontes para baixar as letras:

  • https://vagalume.com.br, com o uso da biblioteca vagalumeR
  • https://genius.com/, com uso da biblioteca Genius

No zip, foi necessãrio separar o nome do artista

e o nome da música a partir do nome do arquivo

Inferência do grau de sentimento

das letras

Método simples mas bastanet utilizado:

  • As palavras são separadas
  • Cada palavra é buscada em um corpus para que sejam identificados os sentimentos evocados por ela
  • São contados número de vezes em que um sentimento aparece
  • No nosso caso, forçamos que !"#$%$&" + ()+%$&" = 1 e .+$&+ + +(#$)/+/) + ("0" + 1)/" + +2).$+ + %.$#%)3+ + #4.!.)#+ + 5"(6$+(ç+ = 1

Características da melodia

  • Escala (modo): 1 var discreta
  • Frequência em tempo e unidade dos graus da escala (e fora da escala): 18 var contínuas
  • Frequência dos intervalos: 162 var contínuas
  • Desvio-padrão da duracão das notas
  • Desvio-padrão da intensidade das notas normalizado pela média
  • Amplitude das notas normalizado pela média
  • “volatilidade” da melodia: !é#$%('()(*+,%

  • ), onde /01% -
  • 89 , dois valores de 5

Volatilidade da melodia

A volatilidade é a média da diferença entre a linha vermelha e a preta

Características do Grau

Modelo de aprendizado estatístico

  • Depois de toda a preparação feita anteriormente, sobraram 625 músicas com dados completos….
  • Foram separados 80% dos dados para treinamento e validação.
  • Os modelos foram treinados e avaliados no esquema de cross validation
  • Foram rodados os seguintes modelos: regressão linear, floresta aleatória, redes neurais, generalized additive model. Target: sentimento positivo. Nenhum se saiu melhor do que um modelo do mesmo tipo treinado e avaliado em dados aleatórios